多新息加权矩阵系统辨识遗忘因子硕士论文

《多新息加权矩阵系统辨识遗忘因子硕士论文》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于加权多新息方法的系统辨识【摘要】多新息辨识方法与传统的最小二乘、随机梯度类算法等采用单新息修正的辨识方法相比,具有更好的收敛性能以及克服坏数据的能力,因此对它的研究具有重要的理论意义以及应用价值。本论文在多新息辨识方法的基础上,通过引入加权矩阵提出加权多新息辨识方法,并取得了以下的研究成果。一、论文首先针对受控AR模型(CAR模型)推导出分别基于投影法以及随机梯度法的加权多新息算法,并利用仿真例子说明了通过选择合适的加权矩阵,加权多新息辨识方法比普通的多新息算法在相同新息长度下具有更快的收敛速度以及参数估计精度,最后简要探讨了加权矩阵对于参数估计效果的影响。二、对

2、于时变系统的参数估计,提出了带有遗忘因子的加权多新息算法,并通过仿真结果证实了算法的有效性。三、针对存在有色噪声干扰的受控自回归滑动平均模型(CARMA模型),提出了加权多新息增广随机梯度算法,并用仿真例子说明了与普通多新息增广随机梯度算法相比的优越性。四、进一步将加权多新息算法推广到更为复杂的动态调节模型(DA模型),提出了加权多新息广义随机梯度算法,给出了参数估计的计算步骤并用仿真对算法辨识效果加以验证。论文最后对于加权多新息算法在应用中面临的困难进行了... 更多还原【Abstract】Comparedwithsomeexistingidentification

3、methodssuchastraditionalleastsquares,stochasticgradientalgorithmthatusesthesingle-innovationmodificationtechnology,themulti-innovationidentificationmethodpossessesbetterconvergentperformance.Therefore,itistheoreticallyandpracticallyimportanttoinvestigatesuchakindofidentificationmethod.T

4、hemainresultsofthisthesisareasfollows.1.Byintroducingaweightingmatrixintothemulti-innovationidentificationmethod,this... 更多还原【关键词】多新息；加权矩阵；系统辨识；遗忘因子；【Keywords】multi-innovationidentificationmethod；systemidentification；weightingmatrix；forgettingfactor；摘要4-5Abstract5-6第1章绪论9-141.1课题背景和研究意义

5、9-101.2系统辨识方法综述10-121.3课题研究内容12-14第2章系统辨识模型以及加权多新息算法14-312.1离散时间随机系统模型14-152.2基于投影法的加权多新息算法15-232.2.1算法推导16-172.2.2算法仿真17-232.3基于随机梯度法的加权多新息算法23-262.3.1算法提出23-242.3.2算法仿真24-262.4加权多新息遗忘梯度算法26-302.4.1算法提出26-272.4.2算法仿真27-302.5本章小结30-31第3章加权多新息方法在CARMA模型上的应用31-413.1增广随机梯度算法31-323.2加权多新息增广

6、随机梯度算法32-333.3算法仿真33-403.4本章小结40-41第4章加权多新息方法在DA模型上的应用41-474.1广义随机梯度法41-424.2加权多新息广义随机梯度法42-444.3算法仿真44-454.4本章小结45-47结论47-48参考文献【索购全文】Q联系Q：1381137211030850491全文提供服务费：25元RMB即付即发支付宝账号：xinhua59168@yahoo.com.cn【说明】1、本站为中国学术文献总库合作代理商，作者如对著作权益有异议请与总库或学校联系；2、为方便读者学习和引用，我们可将图片格式成WORD文档，费用加倍。